在Python中处理生成错误的XML

Question

必须处理一堆形成错误的XML文件。 它们的形成方式不同，在许多孩子中，属性名称都有一个空格：

<...>
    <bar attr1="..." attr xy="..."> 
        foo
    </bar>
</...>

有没有一种方法可以解决这个问题？ 目前我正在使用Python ElementTree进行解析。

（我猜空白是问题，错误信息指向空白。

cElementTree.ParseError: not well-formed (invalid token): line 435, column 214

据我所知，它被解释为缺少值的属性）

我知道有可能只是将错误的东西替换为解析它。

Answer 1

使用美丽的汤，或lxml与美丽的汤后端。但请注意，美丽的汤可能会解析＆＃34;属性名称＆＃34;其中有一个空格作为两个属性。

另一种方法是使用正则表达式来首先修复输入。